编者按
近日，河南省人民医院王梅云教授团队的科研成果（刘雪为第一作者）“Tri-Compartmental Restriction Spectrum Imaging Based on 18F‑FDG PET/MR for Identification of Primary Benign and Malignant Lung Lesions” 发表于国际权威期刊Journal of Magnetic Resonance Imaging [1]。该项工作基于联影一体化PET/MR，探讨了与传统的扩散加权成像（diffusion weighted imaging, DWI）相比，限制性谱成像（restriction spectrum imaging, RSI）在鉴别原发性肺部良恶性病变的优势，并进一步评估了基于18F-FDG PET/MR的RSI融合模型对于提高诊断效能的作用。研究结果表明，RSI作为一种先进的定量扩散加权磁共振成像技术，具备鉴别肺部原发性良恶性病变的潜力，可为肺癌患者的临床管理提供重要参考。
1
研究背景
Research Background
肺癌是中国乃至全球范围内导致癌症相关死亡的主要原因。早期检测和治疗对提高肺癌患者的生存率至关重要。目前，组织活检是特定诊断的常见方法，但其侵入性和相关并发症使其存在一定局限性。DWI的表观扩散系数（apparent diffusion coefficient, ADC）已被用于癌症影像学诊断。然而，ADC作为一种粗略测量方法其临床效用受到质疑。
RSI是一种新型的扩散加权磁共振成像技术，通过将水分子的扩散分为受限扩散、受阻扩散和自由扩散三种微观组织区室，提供比传统DWI更直接的肿瘤细胞成分测量。另外，18F-FDG PET/MR不仅能提供组织的葡萄糖代谢信息，还可在PET成像的过程中同步采集多个定量MRI图像，有望提高诊断效能。
2
研究方法
Research Method
研究共纳入137例患者（108例恶性病变，29例良性病变）。在18F-FDG PET扫描期间，同时进行了T1WI、T2WI和多b值DWI图像的采集。使用联影后处理工作站，自动提取感兴趣区域体积，计算最大标准化摄取值（maximum standardized uptake value, SUVmax）。以PET/MR融合图像为参考，在T2WI图像上手动沿肿瘤外边缘绘制感兴趣区域（ROI），然后复制整个肿瘤ROI到DWI和RSI图像上，并通过Python 3.8.5计算得到DWI、RSI参数（ADC、受限扩散体积分数f1，受阻扩散体积分数f2，自由扩散体积分数f3）。
3
研究结果
Research Results
RSI、ADC和18F-FDG PET等参数图像如图1、图2所示。恶性病变组的SUVmax和f1值显著高于良性病变组，而ADC和f3值显著低于良性病变组（如图3所示）。不同参数对肺部良恶性病变的诊断效能如下：AUC（SUVmax）> AUC（RSI-f3）> AUC（RSI-f1）> AUC（ADC）> AUC（RSI-f2）（AUC= 0.819、0.811、0.770、0.745、0.549）；不同模型对肺部良恶性病变的诊断效果如下：AUC（PET + RSI）> AUC（PET+ ADC）> AUC（RSI）> AUC（PET）> AUC（ADC）（AUC = 0.900、0.847、0.830、0.819、0.745）（如图4所示）。RSI和PET的联合模型的诊断效能明显高于任何单模态成像方法。此外，研究发现，ADC值与f1值呈负相关（r = -0.321），与f2、f3值呈正相关（r = 0.204, 0.319）；SUVmax值与f1值呈正相关（r = 0.192），与f3值呈负相关（r = -0.268）（如图5所示）。
图1. 一名被诊断为左肺鳞状细胞癌的37岁女性患者的代表性图像。（a）DWI-b1000图像；（b-d）DWI-b0图像显示了肿瘤区域内f1、f2和f3的体积分数伪彩图, f1代表受限扩散区室，f1 = 0.698；f2代表受阻扩散区室，f2 = 0.068；f3代表自由水扩散区室，f3 = 0.234。（e）苏木精-伊红（HE）染色图像。（f）T2加权压脂像。（g）SUV与T2WI的融合图像，SUVmax = 6.48。（h）ADC伪彩图，ADC = 1.34×10-3 mm2/sec。
图2. 一名被诊断为右肺支气管腺瘤的55岁男性患者的代表性图像。（a）DWI-b1000图像；（b-d）DWI-b0图像显示了肿瘤区域内f1、f2和f3的体积分数伪彩图，f1代表受限扩散区室，f1 = 0.112；f2代表受阻扩散区室，f2 = 0.136；f3代表自由水扩散区室，f3 = 0.752。（e）苏木精-伊红（HE）染色图像。（f）T2加权压脂像。（g）SUV与T2WI的融合图像，SUVmax = 1.02。（h）ADC伪彩图，ADC = 2.43×10-3 mm2/sec。
图3. （a-e）恶性病变组和良性病变组不同参数间（f1、f2、f3、ADC、SUVmax）的比较。ns: P > 0.05 (P = 0.546), ***: P < 0.001.
图4. （a）不同参数（f1、f2、f3、ADC、SUVmax）鉴别肺部良恶性病变组的ROC曲线。（b）不同参数（ADC、PET、RSI）及其联合模型（PET + ADC、PET + RSI）鉴别肺部良恶性病变组的ROC曲线。
图5. （a-c）ADC与f1、f2、f3之间的相关性（r = -0.321, 0.204, 0.319，P = <0.001, 0.017, <0.001）。（d-f）SUVmax与f1、f2、f3之间的相关性（r = 0.192, 0.039, -0.268, P = 0.02, 0.65, 0.002）。
4
研究展望
Research Prospect
该研究展现了RSI在鉴别肺部良恶性病变方面与DWI相当并潜在更优的性能。此外，RSI与PET的结合可进一步提高诊断效能。未来的研究应进一步深入探索RSI在肺部病变评估中的应用价值，并考虑利用多中心研究来增强结果的普适性。
